ESD signifie Emotional Speech Database, qui est un ensemble de données de discours émotionnel utilisé pour la recherche sur la conversion de la parole. L'ensemble de données comprend 350 énoncés parallèles provenant de 10 locuteurs natifs anglais et de 10 locuteurs natifs chinois, couvrant 5 catégories d'émotions (neutre, heureux, en colère, triste et surpris). Plus de 29 heures de données vocales ont été enregistrées dans un environnement acoustique contrôlé. Cet ensemble de données convient à la recherche sur la conversion de la parole émotionnelle multilingue et interlinguistique.